11月27-28日，被誉为“年度科技与商业风向标”的36氪WISE2025商业之王大会，在北京798艺术区传导空间落地。

今年的WISE不再是一场传统意义上的行业峰会，而是一次以“科技爽文短剧”为载体的沉浸式体验。从AI重塑硬件边界，到具身智能叩响真实世界的大门；从出海浪潮中的品牌全球化，到传统行业装上“赛博义肢”——我们还原的不仅是趋势，更是在捕捉在无数次商业实践中磨炼出的真知。

我们将在接下来的内容中，逐帧拆解这些“爽剧”背后的真实逻辑，一起看尽2025年商业的“风景独好”。

寻找“ChatGPT时刻”：谁能定义具身智能？圆桌

以下为圆桌对话内容，经36氪整理编辑：

何思翀丨蚂蚁集团NEXTA创新实验室项目负责人（主持）

秦玉森丨地瓜机器人云平台副总裁

刘扬丨原力无限 联合创始人

林嘉伟丨跨维智能CMO

主持人（嘉伟）：亲爱的朋友们，接下来，有请本次Deep Talk环节的主持人：蚂蚁集团NEXTA创新实验室项目负责人 何思翀女士，同时有请地瓜机器人云平台副总裁 秦玉森先生、原力无限 联合创始人 刘扬先生、跨维智能CMO 林嘉伟先生。让我们掌声有请他们上台为我们带来他们的分享！

何思翀：好，大家下午好！欢迎来到本场圆桌，我是本场圆桌的主持人，来自蚂蚁集团NEXTA创新实验室的何思翀。刚才我们也听了前面的分享包括短剧，我觉得2025年AI最令我们兴奋的不仅是技术本身的突破，而是说AI可能真的走向了我们真实世界的各行各业，特别是具身智能这个概念和行业，可以说是2025年最火热最具话题性，也是最性感的一个细分领域了。今天我们站在这样一个关键节点上，看着具身智能它正在从单纯的执行工具转变为能够感知环境、自主决策的智能伙伴，那么因此我们也是非常荣幸邀请到了三位具身智能领域的嘉宾，他们正在用AI改写着各自行业的游戏规则，让我先来介绍一下三位。

首先是来自地瓜机器人云平台副总裁 秦玉森，秦总跟大家打个招呼吧。

秦玉森：大家好，我是地瓜机器人云平台副总裁 秦玉森。

何思翀：原力无限联合创始人刘扬刘总。

刘扬：大家好，我是原力无限的刘扬。

何思翀：还有跨维智能CMO林嘉伟。

林嘉伟：大家好，我是跨维智能的林嘉伟。

何思翀：好，欢迎三位来到我们的圆桌。

开始之前我想请各位嘉宾先简单地介绍一下自己，以及自己的公司行业，先请秦总开始。

秦玉森：我主要在地瓜机器人，也就是一个给机器人行业提供基础设施的这么一家公司，负责整个云平台相关的业务，也就是如何从一个拿到芯片之后就开始的软件开发，一直到整个机器人变成整体过程中需要的开发工具、基础设施是由我们这边来提供的。感谢大家！

刘扬：原力无限我们大概成立了也有几年的时间，我们其实更多的是聚焦在具身的一些本体、一些集成，也包括了我们的轮式和人形的机器人，可能我们更多的精力是花在了我们机器人跟机器人大脑这一侧。

林嘉伟：我是跨维智能林嘉伟，过去在华为和机器人独角兽，还有包括上市公司都一直在深耕，现在跨维智能是一家专注于具身智能，包括人形机器人的一家初创团队，创始人老师也是港中文的终身教授，我们目前更多的聚焦跟刘总这边有一部分是相似的，我们也在做具身大脑，包括我们自己做纯视觉的传感器，也做通用的人形机器人产品。

谢谢！

何思翀：好的，我先请三位都各自分享一下，我们过去的一年当中，其实我们看到具身智能也在突飞猛进，您所在的公司或者机构有没有推出哪些最具意义的产品或者解决方案呢？

秦玉森：上周刚好地瓜在深圳发布了一个产品，叫做RDK Agent，Robot Development Kit Agent，这个应该是业内首个可以跨设备，就是你在电脑上运行的Agent，它其实跨到那个嵌入式的平台上做自动化的编程和操作，这是我们这边在第一个发出来的叫做能跨设备，尤其跨设备做自动化开发的这么一个Agent。它的作用就是让做算法的工程师不必再理解嵌入式那些繁复的东西，以及让一些更习惯在PC上做开发的人，也更熟练地掌握在这样嵌入式平台人工智能大脑上面去做一些开发的工作，这是我们这边去年做的一个比较亮眼的东西。

刘扬：我们这边其实在2025年发布了我们第一款人形机器人产品，我们叫它AstroDroid AD-01这款产品，实际上这是大家可见形态的一些产品，在背后我们其实还自研了非常多，包括在具身大脑，我们有我们自己一套具身的模型，我们叫它Hyper VLA，这个其实也是我们自己模型。同时，在今年年底，可能在明年年初的时候，我们还会向大家更多的去公布我们在AI Infra的建设上的一些突破性进展，包括我们在数据测的一些变化。当然，我们也是地瓜很好的用户，我们其实也在享受地瓜的服务，包括其实跟跨维这边，我们其实也有很多在硬件上的合作。

在过去一年里，其实我觉得这个变化确实蛮大的，整个行业在过去一年里，我相信比在过去几年里发生的变化都要多的多，在这个过程当中，我们其实可能更看重的是接下来在应用侧，刚才光源的郑总有一点我就特别认同，我们自己创业公司，如何在这种差异化上能体现出来我们的价值，这个也是我们接下来未来一年大家能看到的一些东西。

林嘉伟：我们其实今年也是发布了我们自己的首款身体，因为过去我们更多是做大脑和机器人的双眼，我们其实去到了不同的行业，今年我们首发了我们第二代通用人形机器人，也很有幸在10月份，参加了总书记去提议发起的全球妇女峰会，给彭教授和各国政要去做自助咖啡的服务。当然了，我们这个机器人本身也在很多的咖啡结合和其他的商业场景，有过一些面对大众服务的经验，目前也在逐步的批量落地。

所以我觉得今年可能AI给大家带来的很大不同，尤其对于我们具身人形这个行业，可能机器人更多的会逐渐从单纯的表演性质的展示，或者叫情绪价值的提供，可能逐渐往给大家去做一些售后服务或者商业服务的尝试和落地，这样也会让我们的大众对我们这个行业，包括对我们这个技术的发展有一个更好的认知和一个体验。

何思翀：好，听出来了，我感觉几位今年都很忙，而且成果也都很丰硕。

我还想请教三位都各自地谈一下，因为AI的发展其实也是突飞猛进，那么你觉得今年AI的发展它给我们行业带来的最大变量是？特别是结合我们今年大模型一些重要的节点，比如说推理模型的进展，比如说端到端模型的应用等等，重要的这些技术变量，它会怎么样影响我们各自的产品研发和商业落地？

秦玉森：今年地瓜其实参加了很多的黑客马拉松，因为我们其实也是开发平台，所以其实在过程中我们观察到了绝大多数的开发者曾经面临机器人这样一个链条，含硬件、含软件，可能还含模型算法的这么一个复杂开发任务中，其实以前很少有把全链条的事情都做到，但是今年我们黑客马拉松看到的点，就是100%的团队一定会受到大模型辅助，一定在大模型的辅助下，其中个别的小团队，它本身的技能战可能不是全链条，但是它会呈现出全能化的一个趋势。而且在今天这个情况下，会发现很多偏技术能力的初创小团队，它由于有大模型的赋能，在商务、PR和一些活动策划上，也呈现出了一个没有短板的状态。

至于一些在长板上有优势的人，个人开发者，他也会呈现出技术不再是他的短板，至少能交出一份几个的答卷。也就是说，在今天大模型时代，大模型大大补足了大家曾经的短板，使得任何人都可能成为超级个体，只要你的长板够长，短板不会再制约你，这是我今天观察到的这个时代和今年最大的变化。

何思翀：是，现在超过个体、一人公司都是大家非常期待和出现的。

刘扬：其实我觉得今年AI的变化，我感触还蛮深的，我觉得对于我们来说，可能是两个部分，一个是从公司内部上来讲，之前大家更多的听到AI包括大模型，可能更多的是在某些特殊的应用上面才用到，但是我觉得从今年一个非常显著的变化上来说，从公司内部的每一个员工，不管他是什么样的工种，不管他是技术人员还是非技术人员，大家使用AI已经逐渐变成了一种习惯，这种习惯其实是深入骨髓里面，尤其在公司内部，我们大概两周就会有一个内部的分享，你会发现用AI的时候，已经从原来的第三方告诉你怎么用，你去follow一种行为，变成了今年大家已经逐渐的在公司内部，我们内部说我们年轻人已经玩出花了，怎么说玩出花了？就是以前单纯的就是文本，然后一些多模态的应用，现在大家其实已经把多种工作、多种不同类型的应用去混合到实际应用当中。尤其像我们一些产品经理，大家之前可能喊了很多口号，包括叫AI based或者是什么其他的一些想法，但是今年大家真的是在用一些AI的想法在做这件事情。

另外一块是在我们业务的本身，我们自己的技术上，包括我们对客户的角度上来讲，以前这个AI的变化，原来大家可能还是在LLM，就是大语言模型方向，但是其实我们今年发现了一个非常重要的变化，是在于AI逐渐从原来的规则性，逐渐地走更加智能化路线，包括我们现在做的我们的具身智能产品，也由原来更多的是一些通用性的模型，我们再去朝一些新的方向去做转变。

包括我其实刚才跟林总私下也在聊，未来我们共同看好的是在世界模型这个方向，因为具身智能如果按现在的方向走，我们依然判断它有一定瓶颈，接下来对于整个智能的理解上，我觉得会发生比较大的变化。

林嘉伟：正好接着刘总这个话，因为我们从个人来讲，我刚好想到一个感触，就是今年1月份我们发布第一代原型机的时候，我们发了产品发布视频，很多关注我们的朋友就在底下留言，这个是动画吧！我姑且当做是对我们这个市场工作或者对我们技术的一个褒奖，当然这个我觉得也是AI对于大家，就是C端的每个人来讲可能带来的一个很显著的变化，现在可能真的可以通过AI去生成，可以去以假乱真。

回到我们这个公司本身的技术来看，因为刚刚刘总刚好也提到这个事情，我们会觉得从技能的生成，或者我们针对这个新场景任务去落地，因为我们现在要逐渐往商务去走嘛，我们要聊到商业这个事情，通过过往大量的真机采集的方式可以做，但是可能要花费的力气相对大一些，因为你可能需要部署很多的机器人的本体，然后很多的工程师，不断的去采集数据。

举一个最简单的例子，在我去年刚加入公司的时候，我们经常会讲一个小的故事，就是有一家应该是国字号的机构找过我们，就说要做机器人的一个拧瓶盖的任务，这个对于我们小朋友来说其实很简单，但是对于机器人来讲，今天要用真机去采数据，比如某某品牌绿色的一个瓶子，机器人可能在经过大量的数据采集和模型训练之后，能达到大概60%-70%的一个成功率。那我想可能对于今年来讲，大家觉得还OK，因为这是一个科研的项目嘛，好像具备了一定的成功率，但是其实只要它换一个不同的条件，比如他们最直接的例子，就是换成了一个红色的瓶子之后，做不了了。

所以确实存在这样一个瓶颈，所以我们贾老师跟整个研发团队，我们今年也在提出说，我们用世界模型，叫生成式的世界模型和efficiency law新的一个技术范式，我们希望说是用更多的合成数据，然后去做这样一个训练的数据基础，然后结合少量的真机数据，我们能不断地提升机器人的技能和落地的能力，这样能让更多的场景应用到我们最先进的技术。

何思翀：好的，刚才几位都提到了技术带来的变化，不管是对我们个体的工作而言、还是对机器人的发展而言，都产生了一些进步。那么我们可以将视角再拉高一点，我想问一下各位认为当下什么类型的行业和场景是AI最容易产生规模化价值的？

秦玉森：这是个好问题，我们觉得首先当下这个行业本身受制于生产力，或者是知识传递的流速够慢的一些行业，它才会变成高的增速，今天有什么？我觉得我可能看不见，但是我可以举两个大家都理解的例子。1990年的时候有一个非常好的工作叫电话接线员，他的作用和今天大家家里都有的路由器是一样的。

再推5年，1995年，那时候省厅里可能会配两个特别独特的职业，叫打字员，因为那个时候微型计算机刚刚进入到中国的体系内，数字化的第一篇就是没有人会打字，今天其实没有打字员这个事情了，我相信今天在座的没有人不会打字。那是什么东西能够借助AI的能力，让更多的人拥有曾经看不见摸不着的东西，这个其实会非常有想象力。

我猜测这个行业可能真实在当下是一个稀缺行业，而并不一定是个非常大众的行业，但我们还没有看见，这是我给的一个开放式的回答。

何思翀：是，非常期待我们到时候都能看到这块。

刘扬：刚才林总说了一个非常好的话题，我换一个视角看一下。我觉得刚才主持人提到了一个很重要的词叫规模化影响力，我觉得要形成所谓的规模，其实很重要的是它要服务于大众的，服务于更大的一个场景，我觉得这是一个前提。在这个前提下，如果是当下，我觉得取决于两个问题，我们要不得不面对的，我觉得第一个不得不面对的，其实在现在整个AI技术能力上来讲，还是有相当大的可以进步的空间，我们离真正的所谓AGI还是有很长的路要走，虽然大家可能很乐观，但是我相信这是AGI从模仿人到接近人、到齐平、到超越，我觉得这个周期还会蛮长，虽然大家可能现在都比较乐观，但是其实看我们对于这事的定义和预期到底有多高，我觉得这是第一个，取决于技术本身。

第二个，如果现阶段，前提定语是现阶段如果形成大规模的话，我个人认为很重要的一点，就是它是在一个更容易被接纳的新兴场景，为什么这么说？这源于我们自身公司推出的一些产品，其实在我们前年推出这个产品的时候，虽然这个行业已经发展了很长时间，但是大家接受AI对这个行业发生冲击，发生一些新的产品变化的时候，大家其实是需要时间的。这个时间不仅仅是对于产品的认识上，也在于习惯、安全性等等各方面的想法。

所以如果回归到这个问题本身，如果总结成两点，我觉得第一个是从规模性，从它技术本身的成熟度这个角度去看。第二个实际上是这个行业它是不是相对在AI这个环境下是一个新兴的，短期它会形成一个比较大规模的转变。

林嘉伟：我觉得也像国家现在讲的一个方向，就是可能AI+人工智能，或者叫新的经济业态，我觉得从商业服务本身，包括可能从智能制造都会有一些不同的机会，但是对于这两种不同的业态，因为大家的体感不同，包括我们对应这些东西，我们去做落地的时候，或者我们叫做商业化推进的时候，其实我们的选择可能也不尽相同，我们可能并不会一定说我要把双足的人形机器人放到工厂里面去拧螺丝，我们可能明明有专业的螺丝的机器，当然也可以这么干，但是它需要再去付出更多的价值，就是我除了拧螺丝我还可以做别的，如果对于这个商业服务来讲，我可以更好的去做人机协同，因为现在也是正好借助大语言模型的一些能力，这个我觉得是跟过往，应该叫上一个时间段的机器人企业可能会稍微有点差异的地方。

大家也能看到现在住酒店，我们配送服务的机器人，现在有的厂商已经做得非常成熟，我们现在要一个什么东西，它可能马上能给送过来，但是大家可能不知道的是，几年前可能也是磕磕绊绊的，可能这个过程就是需要大家一起去共建，包括我们的用户逐渐的提出一些这样的需求，包括怎么去接纳这样一个场景，我觉得这两个都是一些潜在的方向。

何思翀：好的，谢谢刚才三位给我们分享了一些宏观的层面，然后我们想跟三位具体聊一下，有一些细节的探讨。先从秦总开始，因为我知道地瓜机器人其实对自己有一个非常明确的定位，要做机器人时代的Inter，然后是提供行业基础设施的，服务行业内大量玩家，包括刚才几位也谈到了，其实都跟地瓜是有一些合作的，但是我们同时也看到机器人的行业，它现在就是形态各异、百花齐放的，有人形的、非人形的、足式的、轮式的，其实在它硬件形态还没有收敛的情况下，地瓜是想做一个通用的底层系统，那么地瓜的策略是什么样子的呢？

秦玉森：地瓜除了在做通用的底层系统之外，我们更多的还想去加速整个研发的进度，首先就是基础设施的另一个含义是不希望所有在机器人行业的人重复造轮子，我们说有了Tensorflow之后，上一代的CV才快速的发展起来，因为公众号落地不再成为卡点，然后大模型前面那一趴，其实是PyTorch先变成整个行业一个通用的研发上的组件，或者研发上的基础设施，才使得基于Transformer这一套，大家更好的用于工程化。

地瓜这边的逻辑就是能不能再把一些脏活、苦活、累活打包成好用的工具，让各个企业能节约一点人力、节约一点时间，不再去蹚同样的坑，我们希望把这些坑提前蹚掉，让更多的创业者能把他们的精力和资源聚焦在自己擅长的领域里，这是一个在面向今天形态百花齐放、业务千奇百怪，今天其实很多千奇百怪的业务反而会有更多的情绪价值、社会价值等等，这些人能够尽快的跑出来，让我们整个社会看到科技进步带来的便利和便宜。而且工程师嘛，是一群希望用自己双手改变世界，让人类过得更好的一群人，那也希望让工程师们先过得更好。

何思翀：地瓜听起来非常有愿景，还要服务我们的工程师。

好，我们再请教刘总谈一下，因为刚才其实几位都谈到了机器人本来出一个demo还蛮惊艳的，大家都希望那些demo和那些视频能很快进入现实，也有很多人说AI下半场就是具身智能的时代，我不知道您是否认同说判断AI进入下半场的关键标志，就是它真正的物理世界能够进行交互，解决我们一些实际的问题。我想从原力无限的实践过程中，你们有没有遇到哪些巨大的挑战，以及我们怎么来应对这样的挑战？

刘扬：感谢！

我先提一个我们的看法，因为大家之前提所谓AI的下半场这个名词，首先在我们内部完全不这么看，其实从原力无限的视角上来看，AI包括具身智能，其实都是刚刚开始。如果我们把上一个时代，我们之前已经经历过的互联网时代，我们把它理解为从90年代逐渐兴起到现在已经30年时间，那AI至少从今天开始，这个时代可能不止30年，比30年还要长，所以下半场这件事在我们内部不是这样看的。

我们基于虚拟世界的AI本身，我们把它看成一个螺旋上升的状态，我们甚至把它看作是一个DNA结构，为什么这么说呢？因为才刚刚起步，真正要去改变物理世界里面其实还存在着非常多的困难，这里面包括了技术侧本身的困难，包括刚才大家已经提到了非常多的，如何去做泛化？如何在数据上去进行突破，现有的这套逻辑离我们真正去实现所谓的具身智能大规模应用，其实周期还是蛮长的。

其实从我们视角上来看，具身智能走到今天，一方面是刚刚开始，一方面我们其实也不停地在去通过第一性原理去往回溯，我们在不长的时间，在过往哪些地方是走得对的，哪些地方走得不是那么稳健，如果再来一遍的话，是不是有更好的选择，这是我们在内部一直在问的问题。

整个在原力无限里面，创始人白总一直给到我们的一个核心理念，我们叫“一脑、多身、多场景”。所谓“一脑”，其实是我们最关注的一看，也是看到了现在最大的风险，不管是在急速发展的模型侧，还是在本身现在受制约的数据这一侧，虽然大家各自有各自的选择，但是依然我觉得现在还是在早期，我们真的要面向落地场景上来讲，有非常多的问题亟待我们解决，包括安全、包括准确性，包括等等一系列的问题，我不一一列举了。

但是我觉得短期内，如果真的要走得的话，我们大致的节奏，或者我们大致的方向是这样想的，第一，因为我们团队里很多同事都是来自于之前大概做了甚至小十年的自动驾驶，自动驾驶其实大家看到一个情况是至少到今天，依然有非常多的自动驾驶公司，包括主机厂，大家在提我们是不是真的到了L3，因为你不敢叫自动驾驶，如果你真的叫自动驾驶，所有的这些responsibility其实都是你要来承担的，但是具身智能如果你真的把它放到一个跟人密切接触，且跟人之间有所谓的肢体接触，这个过程当中，你想提说这些不是我的责任，是你选择了让我去帮你，这是不可能的。

所以真正从落地来讲，我们的想法是基于所谓“一脑、多身、多场景”，我们这种所谓短期的Short-term和Mid-Trem的节奏可能更多的是不先直接和人体直接发生直接的接触，更多的是在一些非接触性场景，哪怕是情绪价值。哪怕是刚才林总提到的，我们其实把它更多的看成所谓的注意力经济，我觉得我们的想法就是这样，先从Attention 做起，但是其实可能接下来要做的很多的除了这些情绪价值之外，我们可能面向的是非接触式的，在这个接触式里面我们做两点，一点是把我们现在所有的POC真正的去做落地，真正的去做量产交付，因为你在做交付的过程中和你在实验室里完全是不同的，甚至可能是两拨团队同时在做。

另外一个我们比较看重的，就是在这个过程中，我们对于数据测的积累，以及数据测积累对于我们模型本身，我们回到第一性原理，我们重构的过程中我们的一些思考。大概是这样。

何思翀：还有一个问题是问林总，因为其实机器人在上个时代也会出现，当时这些机器人的落地，其实就面临着比如说交付比较重，然后落地比较难，但是我也了解到跨维智能其实已经实现了在工业场景的一些规模化的落地，2025年，其实也是一个商业飞跃的一年，从你们的经验来看，你们认为具身智能它的这种商业突破的路径和上一个时代有什么不同？那么你们面临的挑战和你所具有的优势又各是什么呢？

林嘉伟：也刚好借着前面有提到的点，我觉得从公司2021年成立开始，贾老师就把公司定义为一个AI的公司，所以我们其实并没有把自己定义为一个，我们要一个一个项目去做很重的交付的团队，因为这个事情有点像我们所说的集成商，这个就跟我们讲的通用其实不太一样。在我们过往的这些商业项目里面，其实从2021年到2024年，我们这个人形机器人发布之前，我们刚刚有讲到我们是怎么落的呢，就是选择了非常刚需的成熟场景，这对我的工作其实是一个非常大的挑战，因为大家会看到这是一个工业智能制造，你的友商是工业的厂商，你配合的是工业的机器人，OK，那你说你是具身智能，Why？这个是对我一个很大的挑战。

但确实我们是用100%的合成数据，去形成了这样一个闭环，我们用合成数据的形式去训模型，然后去实现部署和交付，目前也确实在50多个细分的行业也落地了近千个项目，当然这个就是刚刚讲的跟其他厂商，比如ABB、酷卡这样的“赛博义肢”一起去结合的一些场景。我觉得这个对于我们来讲，可能算是第一个优势，就是我们确实已经跑通了这样一个商业逻辑，并且有了一定的落地的积累。

对于我们来讲，其他的优势无非就是更精准的本体，我们可以划火柴，首先你能指哪打哪，包括我们有更聪慧的双眼，因为我们自己是有纯视觉的传感器，我们可以在一些室外的强光，比如说像这种顶光，包括像在户外的一些场景，因为之前我记得跟刘总团队我们有交流，应该也是基于户外充电的场景，我们机器人的眼镜不至于致盲。

后面我们也有在做一些工具链的事情，就是我们贾老师是希望说把我们这个世界模型底层的核心底座引擎去做开源，我们近期会去做开源，然后让更多的开发者加入进来，我们通过这样一个方式去更好的推动这个工具链的应用，包括可能未来能做更多场景的赋能。

这是我们的一些方法。

何思翀：好的，谢谢林总。

最后请三位畅想一下，五年之后，你觉得AI会怎么样改变我们现在所在的行业？我们再具体一些，我们普通人的生活会因为你的产品或者服务发生哪些具体的变化？请林总先来好不好？

林嘉伟：OK，我觉得我们还是要适当的乐观，当然这个过程中我们保持自己闷声快跑，因为大众对具身智能的期待，其实有时候会相对比较高，他可能希望我们一落地马上就能做很多的事情，然后再发现实际上可能还没有这么理想的状态下，可能会有一些反差。所以我觉得五年后吧，我觉得至少在商业场景，就是刚刚刘总讲到一些非接触式，或者逐渐尝试往接触式的方向去走，这就是我们说的兼顾一些所谓的情绪价值和实用价值场景，先去往前推进，让更多的人认知和去接纳。

刘扬：其实我觉得五年后，虽然我们判断这个行业周期还很长，但我觉得五年后应该会有很大的变化，我觉得可以总结成两个我们的判断，一个是在大家日常的方式上来讲，会发生一些彻底的变化，因为AI，它逐渐的Agent化，实际上就会让大家从原来使用一个客户端，一个应用的习惯，转化成你和AI的直接交付。我们原来HMI的交互方式，会随着AI的到来彻底被颠覆掉，我觉得五年就会发生这种变化。

另外一个非常可能会发生的，就是我们的工作方式，我们现在的工作方式还是基于Application，所有这些文档，你的信息、你的交互方式，也是基于这些Application，我觉得在五年后我们大家的工作方式也会因为AI的存在彻底被颠覆掉。

秦玉森：安卓Studio在发布的五年之后，说我们最小的开发者只有16岁，我也希望五年后机器人最小的开发者可以到14到16岁这样一个高中生，或者初中高年级的同学这样的状态，因为今天少的是年轻人的想法，而大模型会帮他Coding 完所有事情。

何思翀：好，谢谢今天三位嘉宾精彩的分享。通过今天的对话，相信大家也看到了，可能具身智能现在还是一个起点，它未来的路还有很长，我们也很难说现在就能说出谁能定义具身智能，谁能给出唯一的标准答案，但是我们也看到了多方的力量其实是在汇聚，有的在夯实底座，有的在提升它的智商，有的是在深耕更多的场景，那么我们也相信伴随着我们用户需求逐步的增强，包括工厂里面想要降本提效的愿望，包括我们家庭里面想要解放双手的期待，以及在座的各位，还有这个行业里边更多实干家的一些努力，我们期待的那个未来会更快的到来。我也是非常期待在不久的将来，不仅能够看到更多炫技的产品，也能看到真真实实帮我们干活的产品。